基于EEG交叉频率耦合的卒中脑功能评估装置

基于eeg交叉频率耦合的卒中脑功能评估装置
技术领域
1.本发明属于脑电分析技术领域中的卒中评估领域，具体涉及一种基于eeg交叉频率耦合的卒中脑功能评估装置。


背景技术：

2.卒中是一种影响全球的脑血管疾病，在大多数国家，卒中是成年人致残的主要原因。此外，卒中也严重阻碍了患者及其家人的日常生活。脑电运动想象是一种临床上用于卒中运动功能康复的技术，有助于卒中患者运动功能的恢复。然而，在卒中评估领域，医生主要借助医学量表对卒中患者进行评估，但这种方法依赖于医生的临床经验，判断结果往往费时且不够全面。
3.因此，相关领域专家提出了基于脑电运动想象数据对卒中患者脑功能评估的技术，如通过beta频段脑网络来评估。目前这些技术都只考虑了单个频段内不同通道间脑电信号的耦合关系，而忽略了跨频段间所传递的大脑复杂交互信息，即交叉频率耦合(cross-frequency coupling，cfc)。
4.综上，本发明利用脑电交叉频率耦合技术设计实现了一个卒中脑功能评估装置，以客观地辅助卒中患者脑功能评估。


技术实现要素：

5.本发明的目的是克服现有技术的不足，提供一种基于eeg交叉频率耦合的卒中脑功能评估装置。以卒中患者和健康被试在左手、右手运动想象时的脑电数据为研究对象，构建基于交叉频率耦合的脑网络，从多个时间和空间粒度上提取有效的脑网络指标，以辅助评估卒中患者的大脑功能状态。
6.为达到上述目的，本发明基于eeg交叉频率耦合的卒中脑功能评估装置具体包括以下模块：
7.脑电数据采集模块，用于采集健康状态或脑卒中状态的被试在左手、右手运动想象时多通道脑电数据。
8.脑电数据预处理分频模块，用于对脑电数据采集模块采集到的脑电数据进行预处理，以去除脑电数据中的伪迹成分，提高信噪比，得到delta(0.1-4hz)、theta(4-8hz)、alpha(8hz-12hz)、low beta(12hz-20hz)、high beta(20hz-28hz)五个频段的左、右手运动想象刺激下的完整脑电信号段和多段脑电信号子片段；所述预处理具体包括去眼电、重参考、基线校正、滤波、分割脑电数据等操作。
9.交叉频率功能连接矩阵计算模块，用于对脑电数据预处理分频模块处理后的各脑电信号子片段和完整脑电信号段计算频段内、频段间相相耦合关系，进而构建各脑电信号子片段和完整脑电信号段的频段内功能连接矩阵和频段间功能连接矩阵；其包括第一计算模块和第二计算模块；
10.所述第一计算模块用于计算各脑电信号子片段和完整脑电信号段的瞬时相位序
列；具体是：
11.对脑电数据预处理分频模块处理后的脑电信号通过hilbert变换计算每一个通道上脑电信号x(t)的瞬时相位序列φ(t)，公式如下所示：
[0012][0013][0014]
其中为某一通道上的t时刻脑电信号x(t)经过hilbert变换后的结果，pv为珂西主值。
[0015]
所述第二计算模块用于计算频段内功能连接矩阵和频段间功能连接矩阵；具体是：
[0016]
针对同一频段内(选取delta、alpha、lowbeta和high beta频段)，选取任意两个通道上中心频率为fm和fn的信号，fm＝fn，计算两信号间的相相耦合关系psi(fm,fn)，即两通道间的功能连接值，取值范围为[0,1]，计算公式如下所示：
[0017][0018]
其中t表示信号的时间采样个数；j表示虚数；δφ(fm,fn,t)表示两个中心频段为fm和fn的信号的瞬时相位差，计算方法如下所示：
[0019]
δφ(fm,fn,t)＝φ(fm,t)-φ(fn,t)
ꢀꢀꢀ
式4)
[0020]
针对不同频段间(选取delta-alpha两频段、delta-low beta两频段和delta-high beta两频段)，选取不同两频段的任意两个通道上中心频率为fm和fn的信号，fm≠fn，根据公式(3)计算两信号间的相相耦合关系psi(fm,fn)；根据公式(5)计算两个中心频段为fm和fn的信号的瞬时相位差，其中n和m是满足公式(6)要求的最小正整数；
[0021]
δφ(fm，fn，t)＝nφ(fm，t)-mφ(fn，t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式(5)
[0022]n×fm
＝m
×fn
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式(6)对上述得到的各脑电信号子片段和完整脑电信号段的每个单频段内相相耦合关系构建n
×
n的频段内功能连接矩阵；对上述得到的各脑电信号子片段和完整脑电信号段的每个不同频段间相相耦合关系构建n
×
n的频段间功能连接矩阵；n表示通道的个数。
[0023]
多尺度脑网络指标计算与分析模块，用于对交叉频率功能连接矩阵计算模块构建的各脑电信号子片段和完整脑电信号段的频段内功能连接矩阵和频段间功能连接矩阵计算左、右手运动想象刺激下的全脑、半球尺度上的功能连接值指标以及两两交叉频率脑网络指标，再对其进行指标分析；其包括功能连接值指标计算模块、两两交叉频率脑网络指标计算模块和指标分析模块；
[0024]
所述功能连接值指标计算模块，用于计算左、右手运动想象刺激下alpha、low beta单频段内以及delta-alpha、delta-low beta和delta-highbeta两频段间的功能连接值指标，其包括全脑功能连接值和半球尺度上的功能连接值；具体是：
[0025]
由于被试进行了左手、右手两种刺激类型的运动想象，故交叉频率功能连接矩阵计算模块获得的是两种刺激类型下的频段内功能连接矩阵和频段间功能连接矩阵；
[0026]
1)对左、右手运动想象刺激下的各脑电信号子片段和完整脑电信号段的各频段内功能连接矩阵和频段间功能连接矩阵上所有通道间的psi(fm，fn)值分别进行均值化处理，得到两种运动想象刺激下单频段内以及频段间的全脑功能连接值；
[0027]
2)所述的半球尺度上的功能连接值包括左半球功能连接值、右半球功能连接值、左右半球功能连接值；
[0028]
由于左手运动想象刺激类型下对应激活的是右脑运动相关脑区，右手运动想象刺激类型下对应激活的是左脑运动相关脑区，故对左手运动想象刺激类型下各脑电信号子片段和完整脑电信号段的各频段内功能连接矩阵和频段间功能连接矩阵上右脑通道间的psi(fm，fn)值分别进行均值化处理，得到两种运动想象刺激下各频段内以及频段间的右半球功能连接值；
[0029]
对右手运动想象刺激类型下各脑电信号子片段和完整脑电信号段的各频段内功能连接矩阵和频段间功能连接矩阵上左脑通道间的psi(fm，fn)值分别进行均值化处理，得到两种运动想象刺激下各频段内以及频段间的左半球功能连接值；
[0030]
对两种运动想象刺激类型下各脑电信号子片段和完整脑电信号段的各频段内功能连接矩阵和频段间功能连接矩阵上左脑通道与右脑通道间的psi(fm，fn)值分别进行均值化处理，得到两种运动想象刺激下各频段内以及频段间的左右半球功能连接值；
[0031]
所述两两交叉频率脑网络指标计算模块，用于组合delta、alpha、low beta、high beta频段内功能连接矩阵和delta-alpha、delta-low beta、delta-high beta频段间功能连接矩阵，计算左、右手运动想象时的两两交叉频率脑网络的特征路径长度和聚类系数指标；具体是：
[0032]
1)对左、右手运动想象刺激类型下各脑电信号子片段和完整脑电信号段的任意两个频段内功能连接矩阵和对应的频段间功能连接矩阵进行拼接，构建成2n
×
2n大小的功能连接矩阵；功能连接矩阵的对角线上为两个频段内功能连接矩阵，非对角线为对应的频段间功能连接矩阵；将功能连接矩阵中满足阈值范围内的各元素保留并作为2n个节点的两两交叉频率脑网络的边；其中该节点指代通道；
[0033]
2)对上述两两交叉频率脑网络计算特征路径长度指标：
[0034]
所述特征路径长度用于描述脑网络全局功能整合和信息传递的效率和能力，定义为脑网络中任意两个节点之间最短路径的平均值，公式如下所示：
[0035][0036]
其中n表示脑网络中节点的个数，l
ij
表示节点i和节点j之间的最短路径长度。
[0037]
3)对上述两两交叉频率脑网络计算聚类系数指标：
[0038]
所述聚类系数用于描述脑网络局部的功能分化能力，整个脑网络的聚类系数c定义所有节点的聚类系数ci的平均值，公式如下所示：
[0039]
[0040][0041][0042]
其中n表示节点的个数，ci表示节点i的聚类系数，ki表示节点i的度，表示经过尺度缩放后的脑网络中节点a与节点b间边的权重,w
a，b
表示未经尺度缩放的脑网络中节点a与节点b间边的权重，max(w)表示脑网络中任意两节点边权重的最大值；
[0043]
为了更好的表征大脑的功能状态，本发明计算的全脑和半球尺度的功能连接值、特征路径长度、以及聚类系数多个指标既考虑了时间尺度，又考虑了空间尺度。
[0044]
所述指标分析模块，用于根据各脑电信号子片段和完整脑电信号段的左右手运动想象时的全脑和半球尺度的功能连接值、特征路径长度、以及聚类系数多个指标评估大脑的功能状态，具体是：
[0045]
将被试在左、右手运动想象刺激下各脑电信号子片段和完整脑电信号段的全脑和半球尺度功能连接值、特征路径长度和聚类系数所有指标进行归一化，按顺序组成一维向量x(x1，x2，
…
，x
p
)，p表示指标个数；根据公式(11)获得欧几里得距离值，表示当前被试与健康者的大脑功能差异的程度；取值范围为[0，+∞]，公式如下所示：
[0046][0047]
其中(y1，y2，
…
，y
p
)表示与(x1，x2，
…
，x
p
)对应的多位健康者各指标向量均值化后的向量；
[0048]
评估结果可视化模块，用于输出被试多尺度脑网络指标计算与分析模块得到的所有指标以及指标分析结果。
[0049]
本发明的有益效果是：
[0050]
1、该装置基于交叉频段耦合的思想，融合了频段内和频段间的相相耦合关系构建脑网络，对比常规的特定单频段内脑网络分析方法，该脑网络更大且脑网络中包含信息更多，能有效地刻画被试的大脑功能状态。
[0051]
2、在脑网络分析过程中，从多个时间、空间尺度上提取有效的指标用于卒中评估。
[0052]
3、该装置能客观地辅助卒中患者脑功能评估，具有一定的现实意义。
附图说明
[0053]
图1为本发明装置的功能模块示意图；
[0054]
图2为本发明装置的交叉频率功能连接矩阵计算模块和多尺度脑网络指标计算与分析模块的具体结构示意图；
[0055]
图3为本发明实施方式脑电电极位置图；
[0056]
图4为某卒中被试左手运动想象刺激下构建的delta与alpha频段的功能连接矩阵以及其两两交叉频率脑网络示意图：其中(a)为delta与alpha频段内功能连接矩阵和其对应频段间功能连接矩阵拼接而成的56
×
56大小的功能连接矩阵，(b)为保留70％的功能连接矩阵中的元素后构建的两两交叉频率脑网络示意图。
具体实施方式
[0057]
下面结合附图，对本发明一种基于eeg交叉频率耦合的卒中脑功能评估装置做详细描述。
[0058]
基于eeg交叉频率耦合的卒中脑功能评估装置模块示意图，如图1所示；其中交叉频率功能连接矩阵计算模块和多尺度脑网络指标计算与分析模块的具体结构，如图2所示。基于eeg交叉频率耦合的卒中脑功能评估装置主要包括：
[0059]
脑电数据采集模块，多位卒中被试与健康被试在合适的环境下进行左手、右手运动想象，并使用30通道的脑电采集设备进行脑电数据采集。实验刺激材料为左手、右手运动图片，使用e-prime呈现刺激图片。被试需要根据随机呈现的图片判断其是左手或是右手，并按键作出判断。实验设置多次刺激，每次刺激时间间隔5s。脑电电极通道按国际10-20系统分布，如图2所示，其中黑色的30个通道(fp1、fp2、f7、f3、fz、f4、f8、fc5、fc1、fc2、fc6、t7、c3、cz、c4、t8、tp9、cp5、cp1、cp2、cp6、tp10、p7、p3、pz、p4、p8、o1、oz、o2)为实验设置采集的脑电通道。采集时，头皮阻抗控制在5kω以内，采样率为1000hz。
[0060]
脑电数据预处理分频模块，将脑电数据采集模块采集到的原始脑电数据进行预处理操作，来提高脑电数据的信噪比。每位被试的原始脑电数据先经过带通滤波至0.1～30hz，经ica算法去除眼电等相关生理伪迹后，重参考双侧乳突(tp9,tp10)，使用图片呈现前-200ms-0ms脑电数据作为基线，进行基线矫正，得到除tp9、tp10的28个通道的脑电数据，然后使用带通滤波器将脑电数据滤波至delta(0.1-4hz)、theta(4hz-8hz)、alpha(8hz-12hz)、low beta(12hz-20hz)、high beta(20hz-28hz)五个频段。将经过上述处理后的每位被试的脑电数据进行数据分割，提取每次刺激图片呈现后0-1000ms脑电数据段作为运动想象的完整脑电数据段，再将其划分为3个子片段，即0-300ms、300-800ms、800-1000ms的脑电信号子片段，用于后续分析。
[0061]
交叉频率功能连接矩阵计算模块，其包括第一计算模块和第二计算模块。
[0062]
第一计算模块：对脑电数据预处理分频模块处理后的每位被试的各脑电信号子片段和完整脑电信号段的每个通道上的脑电数据根据公式(1)进行hilbert变换，然后根据公式(2)计算得到每一个通道上的脑电信号x(t)的瞬时相位序列φ(t)。
[0063]
第二计算模块用于计算频段内功能连接矩阵和频段间功能连接矩阵；具体是：
[0064]
针对同一频段内，具体选用delta、alpha、low beta和high beta频段，对每位被试的各脑电信号子片段和完整脑电信号段的任意两通道信号根据公式(3)计算信号间的相相耦合关系。同一频段内的两个通道信号的中心频段fm＝fn，按照公式(4)计算两个通道信号间的相位差δφ(fm，fn，t)。
[0065]
针对不同频段间，具体选用delta-alpha两频段、delta-low beta两频段和delta-high beta两频段，对每位被试的各脑电信号子片段和完整脑电信号段的任意两通道信号根据公式(3)计算任意信号间的相相耦合关系。不同频段间的两个通道信号的中心频段fm≠fn。根据滤波的频段范围，计算得到5个中心频率之间的关系为1:3:5:8:12。在选用delta-alpha计算时，任意两个通道信号的中心频率比为1:5，取n和m为5和1。在选用delta-lowbeta计算时，任意两个通道信号的中心频率比为1:8，取n和m为8和1。在选用delta-high beta计算时，任意两个通道信号的中心频率比为1:12，取n和m为12和1。按照公式(4)计算两个通道信号间的相位差δφ(fm，fn，t)。
beta频段内功能连接矩阵和delta-alpha、delta-low beta、delta-high beta频段间功能连接矩阵，计算左、右手运动想象时的两两交叉频率脑网络的特征路径长度和聚类系数指标；具体是：
[0077]
对每位被试左、右手运动想象刺激类型下各脑电信号子片段和完整脑电信号段的delta、alpha两个频段内功能连接矩阵和delta-alpha的频段间功能连接矩阵进行拼接。对每位被试左、右手运动想象刺激类型下各脑电信号子片段和完整脑电信号段的delta、low beta两个频段内功能连接矩阵和delta-low beta的频段间功能连接矩阵进行拼接。对每位被试左、右手运动想象刺激类型下各脑电信号子片段和完整脑电信号段的delta、high beta两个频段内功能连接矩阵和delta-high beta的频段间功能连接矩阵进行拼接。拼接后每个功能连接矩阵为56
×
56，对角线上为两个频段内功能连接矩阵，非对角线为对应的频段间功能连接矩阵。保留功能连接矩阵满足阈值范围的元素作为两两交叉频率脑网络的边。由于单频段内的功能连接值大于不同频段间的功能连接值，为了同时保留频段内以及频段间功能连接值，因此阈值分别在单个频段内功能连接矩阵以及频段间功能连接矩阵上设置。将每个28
×
28频段内功能连接矩阵和频段间功能连接矩阵中的所有元素值从大到小排列，阈值定为保留前70％元素时的特定值，将每个频段内功能连接矩阵和频段间功能连接矩阵中大于对应阈值的元素保留并作为两两交叉频率脑网络的边。图4展示某卒中被试左手运动想象时delta与alpha功能连接矩阵和两两交叉频率脑网络示意图，其中delta与alpha功能连接矩阵为对称矩阵，对角线上为28
×
28大小的delta、alpha频段内功能连接矩阵，非对角线是28
×
28大小的delta-alpha频段间功能连接矩阵。
[0078]
对上述两两交叉频率脑网络根据公式(7)计算特征路径长度，根据公式(8)、公式(9)和公式(10)计算聚类系数。在对多位卒中被试和健康被试delta与alpha、delta与lowbeta、delta与highbeta两两交叉频率脑网络指标分析中，卒中被试的特征路径长度明显大于健康被试，聚类系数明显小于健康被试(p《0.05)。
[0079]
指标分析模块，将每位被试在左、右手运动想象刺激下各脑电信号子片段和完整脑电信号段的全脑和半球尺度功能连接值、特征路径长度和聚类系数所有指标进行归一化，按顺序组成一维向量x(x1,x2,
…
,x
p
)，p表示指标个数。根据公式(11)，计算每位被试指标向量与对应的多位健康者指标向量均值化后的向量的欧几里得距离值多位卒中被试较大，表明其大脑功能受损。
[0080]
评估结果可视化模块，输出每位被试多尺度脑网络指标计算与分析模块得到的所有指标以及指标分析结果。
[0081]
上述实施例并非是对于本发明的限制，本发明并非仅限于上述实施例，只要符合本发明要求，均属于本发明的保护范围。

技术特征：
1.一种基于eeg交叉频率耦合的卒中脑功能评估装置，其特征在于具体包括以下模块：脑电数据采集模块，用于采集健康状态或脑卒中状态的被试在左手、右手运动想象时多通道脑电数据；脑电数据预处理分频模块，用于对脑电数据采集模块采集到的脑电数据进行预处理，得到delta、theta、alpha、lowbeta、high beta五个频段的左、右手运动想象刺激下的完整脑电信号段和多段脑电信号子片段；交叉频率功能连接矩阵计算模块，用于对脑电数据预处理分频模块处理后的各脑电信号子片段和完整脑电信号段计算频段内、频段间相相耦合关系，进而构建各脑电信号子片段和完整脑电信号段的频段内功能连接矩阵和频段间功能连接矩阵；其包括第一计算模块和第二计算模块；多尺度脑网络指标计算与分析模块，用于对交叉频率功能连接矩阵计算模块构建的各脑电信号子片段和完整脑电信号段的频段内功能连接矩阵和频段间功能连接矩阵计算左、右手运动想象刺激下的全脑、半球尺度上的功能连接值指标以及两两交叉频率脑网络指标，再对其进行指标分析；其包括功能连接值指标计算模块、两两交叉频率脑网络指标计算模块和指标分析模块；评估结果可视化模块，用于输出多尺度脑网络指标计算与分析模块得到的所有指标以及指标分析结果。2.如权利要求1所述的装置，其特征在于delta频段为0.1-4hz、theta频段为4-8hz、alpha频段为8hz-12hz、low beta频段为12hz-20hz、high beta频段为20hz-28hz。3.如权利要求1所述的装置，其特征在于所述脑电数据预处理分频模块中预处理具体包括去眼电、重参考、基线校正、滤波、分割脑电数据。4.如权利要求1所述的装置，其特征在于所述交叉频率功能连接矩阵计算模块包括第一计算模块和第二计算模块；所述第一计算模块用于计算各脑电信号子片段和完整脑电信号段的瞬时相位序列；具体是对脑电数据预处理分频模块处理后的脑电信号通过hilbert变换计算每一个通道上脑电信号x(t)的瞬时相位序列φ(t)；所述第二计算模块用于计算频段内功能连接矩阵和频段间功能连接矩阵。5.如权利要求4所述的装置，其特征在于所述hilbert变换公式如下所示：5.如权利要求4所述的装置，其特征在于所述hilbert变换公式如下所示：其中为某一通道上的t时刻脑电信号x(t)经过hilbert变换后的结果，pv为珂西主值。6.如权利要求4所述的装置，其特征在于所述第二计算模块具体是：选取delta、alpha、low beta和high beta频段，针对同一频段内，对任意两个通道的中心频率为f
m
和f
n
的信号，f
m
＝f
n
，计算两信号间的相相耦合关系psi(f
m
,f
n
)，即两通道间的功能连接值，取值范围为[0，1]，计算公式如下所示：
其中t表示信号的时间采样个数；j表示虚数；δφ(f
m
，f
n
，t)表示两个中心频率为f
m
和f
n
的信号的瞬时相位差，计算方法如下所示：δφ(f
m
，f
n
，t)＝φ(f
m
，t)-φ(f
n
，t)
ꢀꢀꢀꢀ
式(4)选取delta-alpha两频段、delta-low beta两频段和delta-high beta两频段，针对不同频段间，对任意两个通道上中心频率为f
m
和f
n
的信号，f
m
≠f
n
，根据公式(3)计算两信号间的相相耦合关系psi(f
m
，f
n
)；根据公式(5)计算两个中心频率为f
m
和f
n
的信号的瞬时相位差，其中n和m是满足公式(6)要求的最小正整数；δφ(f
m
，f
n
，t)＝nφ(f
m
，t)-mφ(f
n
，t)
ꢀꢀꢀꢀ
式(5)n
×
f
m
＝m
×
f
n
ꢀꢀꢀꢀ
式(6)对上述得到的各脑电信号子片段和完整脑电信号段的每个单频段内通道信号间的相相耦合关系构建n
×
n的频段内功能连接矩阵；对上述得到的各脑电信号子片段和完整脑电信号段的每个不同频段间通道信号间的相相耦合关系构建n
×
n的频段间功能连接矩阵；n表示通道的个数。7.如权利要求1或6所述的装置，其特征在于所述多尺度脑网络指标计算与分析模块包括功能连接值指标计算模块、两两交叉频率脑网络指标计算模块和指标分析模块；所述功能连接值指标计算模块，用于计算左、右手运动想象刺激下alpha、low beta单频段内以及delta-alpha、delta-low beta和delta-high beta两频段间的功能连接值指标，其包括全脑功能连接值和半球尺度上的功能连接值；所述两两交叉频率脑网络指标计算模块，用于组合delta、alpha、low beta、high beta频段内功能连接矩阵和delta-alpha、delta-lowbeta、delta-high beta频段间功能连接矩阵，计算左、右手运动想象刺激下两两交叉频率脑网络的特征路径长度和聚类系数指标；所述指标分析模块，用于根据各脑电信号子片段和完整脑电信号段的左、右手运动想象刺激下全脑和半球尺度的功能连接值、特征路径长度、以及聚类系数多个指标评估大脑的功能状态。8.如权利要求7所述的装置，其特征在于所述功能连接值指标计算模块具体是：1)对左、右手运动想象刺激下的各脑电信号子片段和完整脑电信号段的各频段内功能连接矩阵和频段间功能连接矩阵上所有通道间的psi(f
m
，f
n
)值分别进行均值化处理，得到全脑功能连接值；2)对左、右手运动想象刺激下的各脑电信号子片段和完整脑电信号段的各频段内功能连接矩阵和频段间功能连接矩阵计算半球尺度上的功能连接值；所述的半球尺度上的功能连接值包括左半球功能连接值、右半球功能连接值、左右半球功能连接值；具体是：左手运动想象刺激类型下，对各频段内功能连接矩阵和频段间功能连接矩阵上右脑通道间的psi(f
m
，f
n
)值分别进行均值化处理，得到右半球功能连接值；右手运动想象刺激类型下，对各频段内功能连接矩阵和频段间功能连接矩阵上左脑通道间的psi(f
m
，f
n
)值分别进行均值化处理，得到左半球功能连接值；两种运动想象刺激类型下，对各频段内功能连接矩阵和频段间功能连接矩阵上左脑通
道与右脑通道间的psi(f
m
，f
n
)值分别进行均值化处理，得到左右半球功能连接值。9.如权利要求7所述的装置，其特征在于所述两两交叉频率脑网络指标计算模块具体是：1)对左、右手运动想象刺激类型下各脑电信号子片段和完整脑电信号段的任意两个频段内功能连接矩阵和对应的频段间功能连接矩阵进行拼接，构建成2n
×
2n大小的功能连接矩阵；功能连接矩阵的对角线上为两个频段内功能连接矩阵，非对角线为对应的频段间功能连接矩阵；将功能连接矩阵中满足阈值范围内的各元素保留并作为2n个节点的两两交叉频率脑网络的边；其中该节点指代通道；2)对上述两两交叉频率脑网络计算特征路径长度指标：所述特征路径长度用于描述脑网络全局功能整合和信息传递的效率和能力，定义为脑网络中任意两个节点之间最短路径的平均值，公式如下所示：其中n表示脑网络中节点的个数，l
ij
表示节点i和节点j之间的最短路径长度；3)对上述两两交叉频率脑网络计算聚类系数指标：所述聚类系数用于描述脑网络局部的功能分化能力，整个脑网络的聚类系数c定义所有节点的聚类系数c
i
的平均值，公式如下所示：所示：所示：其中n表示节点的个数，c
i
表示节点i的聚类系数，k
i
表示节点i的度，表示经过尺度缩放后的脑网络中节点a与节点b间边的权重,w
a，b
表示未经尺度缩放的脑网络中节点a与节点b间边的权重，max(w)表示脑网络中任意两节点边权重的最大值。10.如权利要求7所述的装置，其特征在于所述指标分析模块具体是：将左、右手运动想象刺激下各脑电信号子片段和完整脑电信号段的全脑和半球尺度功能连接值、特征路径长度和聚类系数所有指标进行归一化，按顺序组成一维向量x(x1，x2，
…
，x
p
)，p表示指标个数；根据公式(11)获得欧几里得距离值，表示当前被试与健康者的大脑功能差异的程度；取值范围为[0，+∞]，公式如下所示：其中(y1，y2，
…
，y
p
)表示与(x1，x2,
…
,x
p
)对应的多位健康者各指标向量均值化后的向量。

技术总结
本发明公开了基于EEG交叉频率耦合的卒中脑功能评估装置。对卒中状态或健康状态被试在运动想象任务下的多通道脑电数据进行采集和预处理，提取刺激后的有效数据段；计算每个数据段的频段内以及频段间相相耦合关系；提取多尺度脑网络指标，包括全脑平均功能连接值、半球尺度上的平均功能连接值、特征路径长度、以及聚类系数指标，依据欧几里德距离评估脑功能状态。本发明突破了单频段脑网络分析的局限性，通过交叉频率脑网络进行有效的卒中脑功能评估。评估。评估。


技术研发人员：任彬 张建海 杨岩松 朱莉 孔万增
受保护的技术使用者：杭州电子科技大学
技术研发日：2021.12.13
技术公布日：2022/3/8